传统数仓、数据库和分析系统，为业务提供了稳定的数据支持和决策依据。但当数据开始面对 LLM 时，就产生了一个全新的挑战：如何将企业数据转化为模型可感知、可检索、可执行的“上下文”。在企业 AI 系统中，这一过程通常经历三个关键环节：1. 数仓与数据库：提供干净、统一、结构化的业务数据。2. 搜索与 RAG：让模型能够快速、稳定地访问相关信息。3. 工作流与 Agent：将数据能力编排成可执行的任务，实现复杂业务的闭环。图中展示了这一链路的概览。通过这条链路，可以发现数据不再只是“给人看的”，而是成为 AI 执行的核心驱动力。一、从数仓到 LLM：数据“服务对象”的变化在之前的文章中（微信公众号...

 应该是挂了，哎

一个面试也没，心累   

#围观美财长回应斩杀线甩锅# 2025年年中，一个风和日丽的周五下午，我带着美丽的心情，在公司，完善项目网站的一个功能，查看数据库的时候，突然发现一张表里的数据很奇怪。那是个业务数据表，按理说在几秒的时间内，不应该出现三条同样的经办数据（一个客户不可能在几秒内，做三次业务），可偏偏，很多用户数据都出现了这种情况。关键还是正式环境，客户是政府单位的，后面要是稽查起来，不敢想了。虽然不是我做的功能，但还是给我吓的，尿不湿都湿了。 我赶紧给项目经理说了情况，结果就被扣了帽子，说我发现了，怎么不赶紧改，还问是什么原因？直接给我干懵了，我是赶紧看那个功能代码呀，那会是真的害怕了，框框一顿看，后面才发现了...